Kontakt aufnehmen

Schulungsübersicht

  • Einführung in Edge AI
    • Definition von Edge AI und dessen Bedeutung
    • Vorteile der Bereitstellung von KI-Modellen am Edge
    • Überblick über die KI-Landschaft für Edge Computing
  • Faltungsschichten-Netzwerke (CNN) Architekturen für Edge AI
    • Verständnis der Grundlagen von CNNs und deren Anwendbarkeit auf Edge AI
    • Designüberlegungen für CNNs auf Edge-Geräten
    • Fallstudien: Effiziente CNN-Modelle in der Praxis
  • Kompakte Netzwerke für die Edge-Bereitstellung entwerfen
    • Techniken zur Reduzierung der Modellgröße ohne Beeinträchtigung der Genauigkeit
    • Tools und Frameworks zur Modelloptimierung
    • Bewertung der Zielkonflikte zwischen Leistung und Komplexität
  • Techniken des Knowledge Distillation für Edge AI
    • Grundprinzipien des Knowledge Distilling und dessen Vorteile
    • Implementierung von Knowledge Distillation für Edge-Modelle
    • Praktische Beispiele und Erfolgsgeschichten
  • Tiefe Kompressionsmethoden für Edge AI-Modelle
    • Überblick über Modellekompressionstechniken (Pruning, Quantisierung)
    • Anwendung von Kompressionsmethoden in Edge-KI-Szenarien
    • Auswirkungen auf Leistung, Genauigkeit und Model-Bereitstellung
  • Konzepte und Anwendungen von Federated Learning
    • Einführung in Federated Learning und dessen Bedeutung für Privatsphäre und Effizienz
    • Architekturelle und operative Aspekte von Federated-Learning-Systemen
    • Herausforderungen und Lösungen bei der Implementierung von Federated Learning am Edge
  • Implementierung von Edge AI-Lösungen
    • End-to-End-Workflow zur Bereitstellung von KI-Modellen auf Edge-Geräten
    • Tools und Plattformen, die die Entwicklung von Edge AI unterstützen
    • Überwachung und Verwaltung von Edge KI-Anwendungen im Produktionsbetrieb
  • Fallstudien und Projektarbeit
    • Analyse realer Edge-KI-Bereitstellungen in verschiedenen Branchen
    • Gruppenprojekt: Design und Implementierung einer Edge KI-Lösung
    • Vorstellung und Kritische Würdigung der Projektergebnisse

Voraussetzungen

  • Vertrautheit mit Cloud Computing und künstlicher Intelligenz

Zielgruppe

  • Business Analysten
  • Produktmanager
  • Entwickler
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien